王 倩,熊 玉 江,王 玲,姚 付 启
(1.鲁东大学 水利工程学院,山东 烟台 264010; 2.长江科学院 农业水利研究所,湖北 武汉 430010; 3.十堰市郧阳区鲍峡水利管理站,湖北 十堰 442517)
近年来,随着全球气候变化,极端干旱事件频发,受灾范围、强度、频率均呈增长态势,对全球水资源利用和农业生产造成了严重影响。长江流域作为世界三大流域之一,水资源总量9 755亿m3,约占中国径流总量的9/25,耕地占地0.308亿hm2,约为中国耕地的1/4,产出了中国2/5的农业总产值,是中国经济发展以及粮食生产的重要阵地[1]。受全球气候变化影响,2022年7月以来,长江流域遭遇1961年以来最严重的全流域性气象干旱,受灾范围涵盖面积广,降雨量同期偏低四成,出现汛期反枯且偏枯罕见现象,气温综合强度突破历史极值,蒸发量同期偏高15%~20%[2-3],干热特征明显,部分区域出现断流,是一场多要素集合的极端干旱事件。前期汛期反枯且干枯罕见现象的出现加上长历时高温少雨,一方面使得长江中下游干流水位显著低于历史极值,沿江部分供水工程无法正常取水,另一方面使得长江上游水库群蓄水量同期偏低,三峡水库首次出现秋季未蓄满情况,给以三峡水库为核心的长江上游水库群多目标调度带来了挑战。尤其8月中下旬之后,正是长江中下游地区水稻灌溉需水关键期,持续的旱情直接影响沿江取水灌区农业灌溉。因此,科学评估气候变化与灌溉需水量之间的关系,合理预报灌溉保证水量供需平衡,对指导干旱条件下农业灌溉水量配置工作具有重要的研究意义。
当前国内外针对灌溉需水预报方法主要是基于Penman-Monteith(PM)公式和作物系数法进行计算[4]。Perera等[5]使用数值天气预报输出预测澳大利亚每日参考蒸散量,并对其预测性能进行了评价;冯培存等[6]利用PM公式结合实测数据对BP神经网络模型进行优化预测ET0,提出模型在输入含有效光照时长在内的3个及以上参数时,整体适应性及计算精度较好。但是PM公式涉及到的气象参数较多,数据难以完整获得,解析难度大,现有技术无法对所有参数进行预报,大多基于历史实测数据进行ET0的计算,对气候异常年份不能准确预测,更适用于中长期预报,短期预报的效果比较差。因此,近年来基于温度、辐射等较少参数的经验或修正模型代替PM公式预测ET0的方法被广泛推广[7-9]。Qiu等[10]提出了一种改进的PT模型对亚洲三个站点进行水稻ET0的短期预报;晏成明等[11]比较了HS法、PT法、逐日均值修正法在青年运河灌区的适用性;张倩等[12]利用HS法对漳河灌区的ET0进行了预测;钱坤等[13]基于三江平原的气象数据比较了HS、TH、BC 3种预报模型的精度;谭鑫等[14]对3种ET0估算方法进行预报评价,得出适用于江西省的最优模型。不少研究证明此类模型在缺少气象参数的条件下,仍能达到较为理想的ET0预测效果,短期预报精度较高,但过往研究多是对单一模型或多个模型参数校正后进行ET0预报精度评价,少见其结合水量平衡原理对实际灌溉需水量进行预报分析。
本文以湖北省漳河灌区作为长江流域典型灌区,根据未来的气候特点以及公共天气预报数据,采用BC校正公式对ET0进行预测,结合水量平衡原理,模拟不同预见期下的2019~2022年灌溉需水量,通过逐日推求田间水层深度、田间含水率,预测水稻在未来时间段的灌水时间、灌水次数、灌水定额,以期提出科学的调水控灌方案,从干旱监测的角度动态编制用水计划,为提高干旱预警与综合应对能力提供参考,为长江流域抗旱减灾提供科学依据。
漳河灌区位于长江流域中游支流漳河东段,灌溉面积涉及荆州、荆门、宜昌3个地级市,是湖北省最大的灌区,有效灌溉面积14.91万hm2。灌区以漳河水库为主要水源,配合灌区内300多座中小型水库及8.16 万座塘堰,构成了蓄引提相结合的长藤结瓜式灌溉系统。灌区属亚热带大陆性气候,多年平均年降雨量969.7 mm,年际间变化较大,汛期多集中在4~10月,多年平均气温15.6~16.4℃,年蒸发量在700~1 000 mm 之间,具有长江流域灌区的特征,本文将其作为长江流域典型灌区开展灌溉需水研究。其中根据统计年鉴显示,长江流域内灌区以水稻为主要灌溉作物,多年平均条件下水稻及旱作物灌溉面积比例为 9∶1,大部年份旱作物依靠降水无需灌溉,且在5月中旬之后,高温干旱情况下正值长江流域水稻生长关键期,水稻作为农业灌溉的大头,受灾最为严重,因此本文灌溉需水量预测研究主要针对水稻进行。
本文以漳河灌区附近的钟祥国家气候站(北纬31°06′、东经112°08′)历史逐日气象资料和天气预报数据作为研究灌区灌溉需水模型率定和需水预报的数据。通过中国气象数据网(http:∥data.cma.cn)收集了钟祥站2000~2022年(2016年与2018年6~9月、2022年10~12月数据缺失)的历史观测逐日气象数据,包括每日最高温度、最低温度、平均温度、大气压强、相对湿度、平均风速、日照时数和降雨量。通过中国天气网(http:∥www.weather.com.cn)抓取了2019~2022年(2022年10~12月数据缺失)预见期为7 d的公共天气预报数据,预报数据包括预见期7 d的每日最高最低温度。
表1 气象数据用途Tab.1 Usage of meteorological data
1.3.1ET0预测方法
采用Blaney-Criddle(BC)公式计算参考作物需水量ET0,其基本公式如下[15]:
ET0,BC=Ρ(0.46Tmean+8.13)
(1)
(2)
ωs(J)=arccos(-tanΦtanδ)
(3)
(4)
(5)
Ρ(J)=[N(J)/NYEAR]×100
(6)
式中:ET0,BC为BC公式计算的参考作物蒸发腾发量,mm/d;Ρ为该日日照小时数占全年总日照小时数的百分比,%,与纬度和日序数有关;Tmean为每日平均气温,℃,Tmean=(Tmax+Tmin)/2;ωs为日落角,rad;Φ为纬度,rad;δ为赤纬,rad;N为日照时数,h;J为日序数(1~365);NYEAR为年日照时数,h。
为了提高BC模型的精度,需要对公式进行校正,本文采用以Penman-Monteith公式及历史实测气象数据计算得出的ET0作为校正BC模型参数的准确值,对BC模型进行多元线性回归,校准系数α和β的值,经过验证期验证后,在校正后的BC公式中输入逐日平均气温预报数据,即得到ET0的预报值ET0,BC。具体关系如下:
ET0,PM=αET0,BC+β
(7)
式中:ET0,PM是由PM模型计算的参考ET0,mm/d;ET0,BC是BC原模型计算值,mm/d;α和β均为校准系数。
PM公式表达式为[16]
(8)
式中:Δ为饱和蒸气压曲线正切值,kPa/℃;Rn为达到作物冠层净辐射,MJ/(m2·d);G为土壤热通量,MJ/(m2d);T为2 m高度处的日均温度,℃;u2为2 m高度处的风速,m/s;es和ea分别为饱和蒸气压和实际蒸气压,kPa;γ为干湿表常数,kPa/℃。
1.3.2灌溉需水量计算方法
1.3.2.1 灌溉制度
本文所建立的计算方法是在控制灌溉制度的基础上,结合水量平衡方法计算每日田间水层推求土壤含水率,当田间水层深度或土壤墒情达到灌溉下限时,灌至灌溉上限,由此循环运算田间水量平衡公式,得到灌水时间、灌溉定额预报。其中稻田只在水稻移栽后的返青期间进行浅水灌溉,保持5~25 mm薄水层以提高水稻的活颗率,而在水稻的其他生育阶段,不再在田面上建立灌溉水层,而是根据根层土壤含水率来进行灌溉控制,灌溉具体水层控制标准参考见表2。
表2 漳河灌区稻田灌溉水层控制标准Tab.2 Water layer control standard for rice field irrigation of Zhanghe Irrigation Area mm
1.3.2.2 灌溉需水量计算
(1) 田间水量平衡方程。本文基于田间水量平衡方程计算灌溉需水量并监测水稻田面水层深度及根系层水分变化,采用的基本方程为
ht=ht-1+Pt-ETct-St+It-Dt
(9)
其中:
Dt=max{0,(ht-1+Pt+It-ETct-St-hut)}
(10)
式中:ht,ht-1分别为第t天,第t-1天稻田水层深度,mm;Pt为第t天降雨量,mm;ETct为第t天水稻需水量,mm;St为第t天稻田渗漏量,mm;It为第t天灌溉需水量,用深度表示,mm;Dt为第t天排水量,mm;hut为第t天稻田允许滞蓄水深,mm。
(2) 水稻需水量计算。本文采用BC模型计算逐日参考作物蒸发蒸腾量,结合作物系数及土壤水分胁迫系数利用双作物系数法计算水稻逐日需水量,基本公式为
ETct,BC=Ks·Kc·ET0t,BC
(11)
式中:ETct,BC为第t天水稻需水量,mm;ET0t,BC为第t天水稻蒸散发量,mm;Kc为作物系数,根据FAO推荐值和湖北省灌溉试验中心站多年灌溉试验取值,见表3;Ks为土壤水分胁迫系数,计算结合了土壤含水率且根据作物类型与地区变异性引入经验系数a、b、n进行修正,具体公式参考文献[17]。
表3 漳河灌区水稻全生育期Kc值Tab.3 Kc value of rice throughout its entire growth period of Zhanghe Irrigation Area
(3) 稻田渗漏量计算。在水稻田生态系统中,稻田渗漏是田间水分消耗的重要因素,渗漏量的大小受田埂具体特异性、水文性质、地下水条件等环境因子综合作用。根据达西定理,稻田田间水层深度与稻田水分渗透速度之间具有函数关系,因此根据有水层和无水层两种情况,分别对渗漏量与田间水层深度建立模型估算渗漏量[18]:
(12)
式中:a,b为拟合参数;K0为饱和水力传导度,其取值范围为0.1~1.0 m/d;α为经验常数,与地区差异性有关,一般为50~250;Tt为土壤饱和含水率达到第t天水平时所经历的时间,d;其他参数同上。
(4) 灌溉需水量计算。灌溉受作物土壤水分收支程度控制,为了防止作物水分亏缺严重,动态补充作物满足自身正常生长所需的水分,一般当观测的稻田田面水层深度或水稻根系层土壤含水率达到规定的灌溉下限控制指标时触发灌溉,计算灌溉需水量的具体公式如下:[19]
当以水层深度为灌溉下限控制指标,即hdt>0时
(13)
式中:Iut为第t天灌溉水层上限控制指标,mm;θst为第t天水稻根系层土壤饱和含水率,%;θt为第t天水稻根系层土壤含水率,%;hdt为灌溉水层下限控制指标,mm;其他参数同上。
当以根系层土壤含水率为灌溉下限控制指标,即θdt时
(14)
式中:θdt为第t天土壤含水率控制下限,%;其他参数同上。
为了保证ET0预报的整体质量,选择准确性(ACC)、平均绝对误差(MAE)、均方根误差(RMSE)和相关系数(R)4个统计指标来评估气温和每日ET0的预报性能[15]。其中预测温度的准确性定义为准确预测温度的天数占所考虑总天数的百分比,如果预报的最高(最低)温度与观测最高(最低)温度的绝对误差小于3 ℃,则认为温度预报准确。预测ET0的准确性定义为准确预测ET0的天数占所考虑总天数的百分比,如果预测的ET0的绝对误差小于2 mm/d,则认为ET0预测准确。其他统计指标公式如下:
(15)
(16)
(17)
以PM公式计算的ET0,PM为基准值,对BC公式计算值进行多元线性回归,确定α和β分别为0.844和-1.072,并分析评价其模拟效果(见图1和图2)。总体看BC公式能够较好地反映ET0季节性变化特征,BC公式校正前后计算的ET0值与PM公式计算的ET0值拟合的0截距直线的斜率分别为1.43和0.92,率定前的BC公式高估了ET0值,尤其是11月到次年2月,而率定后的BC公式则能够较好地与PM公式计算值吻合。且由表4可知,原始BC公式计算值的准确率为66.22%,而校正后率定期和验证期的BC公式计算值的准确率分别为97.37%和95.66%;校正的BC公式率定期和验证期的计算值MAE分别为0.84,0.89 mm/d,RMSE分别为0.90,0.99 mm/d。总体来看,校正后的BC公式对于ET0的计算精度明显提高,可以作为预报ET0的方法。
图1 BC公式、PM公式计算值与实测ET0比较Fig.1 Comparison of measured ET0 between BC formula and PM formula
图3 不同预见期BC公式ET0预报值与PM实测值比较Fig.3 Comparison of ET0 predicted values and PM measured values of BC formula in different forecast periods
2.2.1公共天气预报精度分析
BC公式预报ET0需要输入日平均温度,因此温度预报精度直接决定了ET0预报的准确性。随着天气预见期增加,公共天气预报气温的MAE和RMSE总体呈增加趋势(见表5)。最低温度、最高温度、平均温度预报的MAE分别为1.49~1.62 ℃、1.44~1.68 ℃、1.17~1.56 ℃,RMSE分别为2.92~3.44 ℃、2.94~3.62 ℃、1.81~3.13 ℃。而公共天气预报气温准确率和相关系数R则整体上随预见期的增加呈下降趋势,最低温度预报准确率由73.98%降至68.86%,相关系数R则由0.96降至 0.94;最高温度预报准确率由81.84%降至65.15%,相关系数R的值由0.96降至0.93,平均温度的准确率由91.20%降至 71.66%,相关系数R值由0.98降至0.95。总体来看,基于公共天气预报的最低温度和最高温度预报准确率均值均超过70%,相关系数R的均值均超过0.95,说明最低气温与最高气温预报值与实测值之间具有较强的相关性,且都达到一定精度,利用公共天气预报进行ET0预报具备可行性。
表5 不同预见期气温预报精度评价指标Tab.5 Evaluation indicators for temperature prediction accuracy in different forecast periods
2.2.2ET0预报精度分析
随着预见期的增加,ET0预报值的RMSE和MAE呈趋势上升,R呈趋势下降,整体精度逐渐降低(见表6),但RMSE、MAE平均值分别为0.91 mm/d、0.84 mm/d,R为0.83,预测精度整体水平较高。
表6 BC公式预测不同预见期ET0统计指标Tab.6 Statistical indicators for BC formula predicting ET0 in different forecast periods
不同预见期ET0预报值与PM实测值总体趋势一致,且不同预见期之间的预报值相差不大,说明ET0预报可以接受7 d内的温度预报误差。但是BC公式对低值点预报较好,对6~9月的较大值预报较差,原因是这时期风速和湿度变化较大,以PM公式计算的ET0考虑了辐射、气温、风速和相对湿度等多气象因素的影响,而校正后的BC公式则仅仅只考虑了与温度的相关性。但是由于其结构简单,对气象数据的要求不高,且精度较高,因此较适用于短期的灌溉预报。
基于2019~2022年公共天气预报数据计算了灌区不同预见期的灌溉需水量(见图4),不同预见期预报灌溉需水量年际变化与实测灌溉需水量基本一致。2020年为丰水年,降雨量充沛,灌溉需水量最低,2022年受极端高温的影响,水稻蒸发量大,出现气象干旱,灌溉需水量大幅增加。基于不同预见期气象预报的灌水次数和灌水量接近:2019年预测灌溉次数都为6次,灌溉需水总量为292.78~310.65 mm,2020年预测灌溉次数都为5次,灌溉需水总量为251.80~258.76 mm,2021年预测灌溉次数都为4次,灌溉需水总量为267.48~276.75 mm,2022年预测灌溉次数都为6次,灌溉需水总量为286.90~298.84 mm。
图4 2019~2022年不同预见期灌溉需水量与实测灌溉需水量对比 Fig.4 Comparison of irrigation water demand under different forecast periods and measured irrigation water demand from 2019 to 2022
为复盘漳河灌区2022年干旱情况,以水稻抽穗开花期间连续7 d(2022年8月2~8日)预报数据实时预报水稻需水量和灌溉需水量(见表7)。在8月7日土壤含水率低于灌溉下限即干旱阈值点,表征此时土壤进入干旱状态,含水率衰减迅速,触发灌溉,灌溉水量为54.14 mm。
表7 水稻抽穗开花期间实时灌溉预报Tab.7 Real time irrigation forecast for rice heading to flowering period
本文采用预见期7 d的逐日气象预报数据,在气温预报准确评价的基础上利用校正后的BC公式对ET0进行预测,结合水量平衡原理,逐日推求水稻的灌溉需水量,对灌水日期与灌水定额进行实时预报,结果如下:
(1) 漳河灌区天气预报精度较高,不同预见期内最低、最高温度准确率均值都达到了70%以上,相关系数R均值都大于 0.95,温度预报值与观测值紧密性较好,精度可用于ET0的预报。
(2) 利用PM公式对BC公式进行校正,校正系数α为 0.844,β为-1.072。校正后计算的ET0值与PM公式计算的ET0值拟合的0截距直线的斜率为 0.921 2,更接近1,准确率增加到97.37%,MAE、RMSE下降显著,校正后的BC公式对于ET0的计算精度明显提高。校正后的BC公式的预报值与PM实测值的RMSE、MAE平均值为0.91 mm/d、0.84 mm/d,R为0.83,预测精度整体水平较高。数据结果对于气象预测模型的优化以及相关领域的应用具有一定的参考价值。
(3) 对比发现灌溉需水量预测值与实测值之间的年际变化以及对气候的响应基本趋于一致,且7 d预见期之内灌溉需水总量差距较小,灌溉次数相同,灌溉日期接近,表明灌溉需水能接受预见期7 d内的灌溉决策。
(4) 本文选取漳河灌区水稻抽穗开花期的一次 7 d 高温无雨预报进行实践,从灌溉决策角度来说,在缺乏前期试验数据的基础上,对灌区的短期灌水预报,动态编制用水计划具有指导意义,因此,该方法在灌溉决策上的应用是合理有效的。
研究所建立的基于公共气象预报的灌区灌溉需水预测方法是一种通用性方法,得出的结论同样适用于长江流域范围内其他水稻灌区,但本研究仅在湖北漳河灌区进行了应用验证,具有一定的区域局限性,且只考虑了水稻的灌溉需水情况,未针对旱作物及其他灌溉作物进行研究。因此,在今后的研究中应考虑该方法在多作物种植情况以及不同地区的适用性,以便得到更为精确的灌溉需水预报,拓宽本研究方法的适应范围。